- 前言 Indri是Lemur项目衍生的一个基于语言模型的新的搜索引擎，由University of Massachusetts和Carnegie Mellon University合作开发。 安装 下载。下载Indri并进入indri文件夹的顶层目录！！！ 修改configure文件权限。确认其中的configure文件的权... 前言 Indri是Lemur项目衍生的一个基于语言模型的新的搜索引擎，由University of Massachusetts和Carnegie Mellon University合作开发。 安装 下载。下载Indri并进入indri文件夹的顶层目录！！！ 修改configure文件权限。确认其中的configure文件的权...
- 前言 论文：https://arxiv.org/pdf/1712.02856.pdf ； 代码和语料：https://github.com/hankcs/multi-criteria-cws 。 本文参见上面论文及代码，介绍了一种简洁优雅的多标准中文分词方案，可联合多个不同标准的语料库训练单个模型，同时输出多... 前言 论文：https://arxiv.org/pdf/1712.02856.pdf ； 代码和语料：https://github.com/hankcs/multi-criteria-cws 。 本文参见上面论文及代码，介绍了一种简洁优雅的多标准中文分词方案，可联合多个不同标准的语料库训练单个模型，同时输出多...
- 前言 用户建模是搜索与推荐模型的核心技术。其实很多人对用户模型的概念比较模糊，用户模型更多是在产品生命周期中起关键作用，其结合数据、反馈、行为三个方面的信息总结概括出产品用户模型。 01 背景与意义 用户建模是搜索与推荐模型的核心技术。淘宝搜索排序算分的对象是 <user, query, item> 三元组，我们从样本... 前言 用户建模是搜索与推荐模型的核心技术。其实很多人对用户模型的概念比较模糊，用户模型更多是在产品生命周期中起关键作用，其结合数据、反馈、行为三个方面的信息总结概括出产品用户模型。 01 背景与意义 用户建模是搜索与推荐模型的核心技术。淘宝搜索排序算分的对象是 <user, query, item> 三元组，我们从样本...
- 一，激活函数 我们用激活函数，来表示不同强度的信号是否激活了神经元，这是这个名字的来由。 主要作用是提供网络的非线性建模能力。 也就是说，需要一个递增函数，定义域是R，值域是0到1的区间（开区间还是闭区间不重要）。 这个激活函数是用来把特征值转化成0-1的数的，这样，整个网络就不是简单的线性计算了。 然而实际上，激活函数本... 一，激活函数 我们用激活函数，来表示不同强度的信号是否激活了神经元，这是这个名字的来由。 主要作用是提供网络的非线性建模能力。 也就是说，需要一个递增函数，定义域是R，值域是0到1的区间（开区间还是闭区间不重要）。 这个激活函数是用来把特征值转化成0-1的数的，这样，整个网络就不是简单的线性计算了。 然而实际上，激活函数本...
- 前言 本次分享的主题为医疗健康领域的短文本理解，主要介绍在丁香园的业务场景下，短文本理解的技术实践，并讨论知识图谱技术如何在医疗健康领域的搜索推荐中落地应用，希望能够给大家的日常工作提供一些思路。 主要内容包括： 丁香园主要的业务和所服务的对象，以及在垂直领域下NLP工作可能需要面对的挑战 在医疗健康领域短文本理解上的... 前言 本次分享的主题为医疗健康领域的短文本理解，主要介绍在丁香园的业务场景下，短文本理解的技术实践，并讨论知识图谱技术如何在医疗健康领域的搜索推荐中落地应用，希望能够给大家的日常工作提供一些思路。 主要内容包括： 丁香园主要的业务和所服务的对象，以及在垂直领域下NLP工作可能需要面对的挑战 在医疗健康领域短文本理解上的...
- 前言 学习算法一直以来是机器学习能根据数据学到知识的核心技术。而好的优化算法可以大大提高学习速度，加快算法的收敛速度和效果。本文从浅层模型到深度模型纵览监督学习中常用的优化算法，并指出了每一种优化算法的优点及局限性，同时其还包括了一阶和二阶等各种算法的形式化表达。 本文旨在介绍关于将最优化方法应用于机... 前言 学习算法一直以来是机器学习能根据数据学到知识的核心技术。而好的优化算法可以大大提高学习速度，加快算法的收敛速度和效果。本文从浅层模型到深度模型纵览监督学习中常用的优化算法，并指出了每一种优化算法的优点及局限性，同时其还包括了一阶和二阶等各种算法的形式化表达。 本文旨在介绍关于将最优化方法应用于机...
- 前言 最近在读论文的的过程中接触到多标签分类(multi-label classification)的任务，必须要强调的是多标签（multi-label）分类任务 和 多分类(multi-class)任务的区别： 多标签分类任务指的是一条数据可能有一个或者多个标签，举个例子：比如一个病人的体检报告，它可能被标记上，高血压，高血糖... 前言 最近在读论文的的过程中接触到多标签分类(multi-label classification)的任务，必须要强调的是多标签（multi-label）分类任务 和 多分类(multi-class)任务的区别： 多标签分类任务指的是一条数据可能有一个或者多个标签，举个例子：比如一个病人的体检报告，它可能被标记上，高血压，高血糖...
- 前言 58本地服务由数百个细分品类、多个创新业务和国际业务组成，如何构建智能化的流量分发体系是一项挑战，我们通过整合搜索和推荐场景构建了一套统一的流量分发系统，本次分享将主要介绍系统中的算法实践，包括基于信息结构化和用户意图识别的用户表征、召回和排序算法等。 01 58同城本地服务生态介绍 1. 业务背景 5... 前言 58本地服务由数百个细分品类、多个创新业务和国际业务组成，如何构建智能化的流量分发体系是一项挑战，我们通过整合搜索和推荐场景构建了一套统一的流量分发系统，本次分享将主要介绍系统中的算法实践，包括基于信息结构化和用户意图识别的用户表征、召回和排序算法等。 01 58同城本地服务生态介绍 1. 业务背景 5...
- 前言 用户画像作为当下描述分析用户、运营营销的重要工具，被全部互联网人熟知，用户画像的定义并不复杂，是系统通过用户自行上传或埋点上报收集记录了用户大量信息，为便于各业务应用，将这些信息进行沉淀、加工和抽象，形成一个以用户标志为主key的标签树，用于全面刻画用户的属性和行为信息，这就是用户画像。 画像这种结构化的用户信息加工方式，极大... 前言 用户画像作为当下描述分析用户、运营营销的重要工具，被全部互联网人熟知，用户画像的定义并不复杂，是系统通过用户自行上传或埋点上报收集记录了用户大量信息，为便于各业务应用，将这些信息进行沉淀、加工和抽象，形成一个以用户标志为主key的标签树，用于全面刻画用户的属性和行为信息，这就是用户画像。 画像这种结构化的用户信息加工方式，极大...
- 前言 今天博主来介绍一个超级简单并且又极其实用的boosting算法包Catboost，据开发者所说这一boosting算法是超越Lightgbm和XGBoost的又一个神器。 catboost 简介 在博主看来catboost有一下三个的优点： 它自动采用特殊的方式处理类别型特征（categorical features）... 前言 今天博主来介绍一个超级简单并且又极其实用的boosting算法包Catboost，据开发者所说这一boosting算法是超越Lightgbm和XGBoost的又一个神器。 catboost 简介 在博主看来catboost有一下三个的优点： 它自动采用特殊的方式处理类别型特征（categorical features）...
- 计算广告与推荐系统有哪些区别？ 这两个领域的联系大于区别，区别的根本在于两个领域尝试解决的问题是不同的。 对于计算广告来说，本质上要处理的是三方利益的协调问题，这三方分别是广告主、用户和媒体。 对于推荐系统来说，本质上要处理的是用户体验的问题。 正是因为要处理问题的不同，导致了两个领... 计算广告与推荐系统有哪些区别？ 这两个领域的联系大于区别，区别的根本在于两个领域尝试解决的问题是不同的。 对于计算广告来说，本质上要处理的是三方利益的协调问题，这三方分别是广告主、用户和媒体。 对于推荐系统来说，本质上要处理的是用户体验的问题。 正是因为要处理问题的不同，导致了两个领...
- 前言 在全面进入无线的时代，为了解决信息负载的问题，越来越多的推荐场景得到兴起，尤其是以列表推荐形式为主的信息流推荐。以手淘信息流为例，进入猜你喜欢场景的用户，兴趣常常是不明确的，用户浏览时往往没有明确的商品需求，而是在逛的过程中逐渐去发现想买的商品。而推荐系统在用户逛的过程中，会向客户端下发并呈现不同类型的商品让用户从中挑选，推荐系... 前言 在全面进入无线的时代，为了解决信息负载的问题，越来越多的推荐场景得到兴起，尤其是以列表推荐形式为主的信息流推荐。以手淘信息流为例，进入猜你喜欢场景的用户，兴趣常常是不明确的，用户浏览时往往没有明确的商品需求，而是在逛的过程中逐渐去发现想买的商品。而推荐系统在用户逛的过程中，会向客户端下发并呈现不同类型的商品让用户从中挑选，推荐系...
- 前言 Dirichlet分布（Dirichelt Distribution）和Dirichlet过程 （Dirichlet Process）广泛应用于信息检索、自然语言处理等领域，是理解主题模型的重要一步。而且它作为一种非参数模型（non-paramatric model），和参数模型一样有着越来越广泛的应用。 文本提供了一种对Di... 前言 Dirichlet分布（Dirichelt Distribution）和Dirichlet过程 （Dirichlet Process）广泛应用于信息检索、自然语言处理等领域，是理解主题模型的重要一步。而且它作为一种非参数模型（non-paramatric model），和参数模型一样有着越来越广泛的应用。 文本提供了一种对Di...
- 前言 招聘业务是多行为场景，用户需求和交互周期短、行为稀疏。本次分享基于业务挑战，将介绍代价敏感、向量检索等技术在招聘深度召回中的应用，最后总结实践中的教训与心得。 主要内容包括： 58招聘业务场景 招聘推荐系统 基于行为的向量化召回 实时深度召回 教训和心得 01 58招聘业务场景... 前言 招聘业务是多行为场景，用户需求和交互周期短、行为稀疏。本次分享基于业务挑战，将介绍代价敏感、向量检索等技术在招聘深度召回中的应用，最后总结实践中的教训与心得。 主要内容包括： 58招聘业务场景 招聘推荐系统 基于行为的向量化召回 实时深度召回 教训和心得 01 58招聘业务场景...
- 前言 本文主要介绍怎么使用 ELK Stack 帮助我们打造一个支撑起日产 TB 级的日志监控系统。在企业级的微服务环境中，跑着成百上千个服务都算是比较小的规模了。在生产环境上，日志扮演着很重要的角色，排查异常需要日志，性能优化需要日志，业务排查需要业务等等。 然而在生产上跑着成百上千个服务，每个服务都只会简单的本地... 前言 本文主要介绍怎么使用 ELK Stack 帮助我们打造一个支撑起日产 TB 级的日志监控系统。在企业级的微服务环境中，跑着成百上千个服务都算是比较小的规模了。在生产环境上，日志扮演着很重要的角色，排查异常需要日志，性能优化需要日志，业务排查需要业务等等。 然而在生产上跑着成百上千个服务，每个服务都只会简单的本地...
上滑加载中
推荐直播
-
昇腾AI算法挑战赛-核心算子如何优化？专家带你深度解析2025/11/17 周一 16:00-17:00
王老师 华为算子专家
昇腾AI算法挑战赛进阶赛战鼓催征！本期直播间，我们特邀华为算子专家王老师，为你深度剖析Matmul、wholereducesum等核心算子的底层原理与优化技巧，直击赛题核心。想提升代码效率、冲击更高排名？锁定直播，带你破局！
回顾中 -
AI编码实干派，“码”力全开2026/02/26 周四 15:00-16:30
谈宗玮/于邦旭/丁俊卿/陈云亮/王一男
【中国，深圳，2026年2月26日】，以“AI编码实干派，码力全开”为主题的华为云码道（CodeArts）代码智能体新春发布会在线上成功召开。华为云码道公测版正式发布，为开发者和企业提供具备工程化能力的智能编码解决方案。
回顾中 -
华为云码道-玩转OpenClaw，在线养虾2026/03/11 周三 19:00-21:00
刘昱，华为云高级工程师/谈心，华为云技术专家/李海仑，上海圭卓智能科技有限公司CEO
OpenClaw 火爆开发者圈，华为云码道最新推出 Skill ——开发者只需输入一句口令，即可部署一个功能完整的「小龙虾」智能体。直播带你玩转华为云码道，玩转OpenClaw
回顾中
热门标签